bobo0810 / JittorDogsClass

“计图”算法挑战赛-狗细分类 4/430

JittorDogsClass

收录到PytorchNetHub

• 正在整理代码

• 总排名第4，获得三等奖

  A榜第8，B榜第7（三支队伍代码审核未过，故晋级第4）

解决方案

答辩PPT位于files/

• 数据集

• 训练策略

数据集

目前世界上最大的狗细分类数据集Tsinghua Dogs，包含130个品种，总计70428张图（每张图仅包含一只狗）。

比赛官网

训练集：High resolution images (38.8GB)

注：狗身bbox标注已保存于dataset/all_imgs.txt，无需下载。

测试集：

	官方	已裁剪狗身
A榜	Link 提取码gc2y	Link 提取码ffem
B榜	Link 提取码3v73	Link 提取码zb9b

运行

python==3.7.10
jittor==1.2.2.47
visualdl==2.1.1
pyyaml==5.4.1
albumentations==0.5.2

训练

1. 配置参数

   • 配置参数：config/train.yaml

   • 配置训练集：dataset/data_conf.yaml 配置Train/default ，值为 high-resolution解压路径。

2. 运行

   # 命令行
   CUDA_VISIBLE_DEVICES=0  python train.py 

3. 可视化

   # 命令行
   visualdl  --logdir log路径   --host IP地址  --port 端口号
   
   举例: visualdl  --logdir  /home/../tb_log/2021-04-26_10:43:58_ip115   --host 192.168.1.115  --port 8988

测试

1. 配置参数

   • 配置参数：config/test.yaml
   • 配置测试集： dataset/data_conf.yaml 配置Test/Body/default ，值为 A榜/B榜已裁剪狗身测试集解压路径。

2. 运行

   # 命令行
   CUDA_VISIBLE_DEVICES=0  python test.py 

3. 生成预测结果result.json

模型融合

1. 配置多模型参数 config/fusion.yaml

2. 运行

   # 命令行
   CUDA_VISIBLE_DEVICES=0  python fusion.py 

3. 生成预测结果fusion.json

预训练

model	pretrain	img_size	A榜
ResNeXt50	model_7.pkl	[368,368]	65.35%
ResNeXt50	model_11.pkl	[420,420]	65.42%
ResNeXt50	model_6.pkl	[420,420]	65.48%
ResNeXt101	model_8.pkl	[368,368]	65.35%
EcaResNet50t	model_7_new.pkl	[420,420]

注：预训练权重下载 提取码5w1z

A榜: model_7.pkl + model_11.pkl + model_6.pkl = 66.62%

B榜：model_7.pkl + model_11.pkl + model_6.pkl + model_8.pkl + model_7_new.pkl = 64.58%

---

特别鸣谢

• 支金林：狗身检测

• 刘江宽：Batch平衡采样

• 石园：SAM优化器（移植Jittor）